nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

22737_zh-TW

liliconcom

使用廣義線性迴歸 (GLR) 建立穩健的線性模型

Scott Wise，SAS JMP 首席系統工程師
Brady Brady，SAS JMP 技術支援工程師

使用廣義線性迴歸 (GLR) 建立穩健的線性模型

懲罰迴歸技術是傳統線性建模方法的可行替代方法，特別是在正交性、同方差性或響應正態性的典型假設被違反的情況下。它們還可以用於自動選擇哪些預測變數在預測給定回應時最有用。雖然這些技術並不新鮮，但由於其計算成本高且在學術界之外相對默默無聞，它們在應用環境中的使用歷來受到限制。如今，價格實惠、功能強大的電腦的激增使得在桌面分析軟體中實施這些技術變得可行。本次會議將解釋懲罰迴歸技術並探討 JMP 擬合模型平台的廣義迴歸特性的使用。與會者會發現這些模型易於設定、運行和分析，並且在存在異常值、相關輸入以及非常態和/或零膨脹響應的情況下仍然穩健。